Διάταξη Byte, Μέγεθος και Στοίχιση¶

Από προεπιλογή, οι τύποι της C αναπαρίστανται στη φυσική μορφή και διάταξη byte της μηχανής και ευθυγραμμίζονται σωστά, παραλείποντας byte γεμίσματος εάν είναι απαραίτητο (σύμφωνα με τους κανόνες που χρησιμοποιεί ο μεταγλωττιστής C). Αυτή η συμπεριφορά επιλέγεται έτσι ώστε τα byte μιας συσκευασμένης δομής να αντιστοιχούν ακριβώς στη διάταξη μνήμης της αντίστοιχης δομής της C. Το αν θα χρησιμοποιηθεί φυσική διάταξη byte και γέμισμα ή τυποποιημένες μορφές εξαρτάται από την εφαρμογή.

Εναλλακτικά, ο πρώτος χαρακτήρας της συμβολοσειράς μορφοποίησης μπορεί να χρησιμοποιηθεί για να υποδείξει τη σειρά byte, το μέγεθος και την ευθυγράμμιση των συσκευασμένων δεδομένων, σύμφωνα με το παρακάτω πίνακα:

Αν ο πρώτος χαρακτήρας δεν είναι ένας από αυτούς, υποτίθεται'@'.

>>>importstruct>>>struct.pack('>h',1023)b'\x03\xff'>>>struct.pack('<h',1023)b'\xff\x03'

Η native σειρά byte είναι big-endian ή little-endian, ανάλογα με το σύστημα υποδοχής. Για παράδειγμα, οι Intel x86, AMD64 (x86-64) και Apple M1 είναι little-endian, ενώ οι IBM z και πολλές παλαιότερες αρχιτεκτονικές είναι big-endian. Χρησιμοποιήστε τη μεταβλητήsys.byteorder για να ελέγξετε το endianness του συστήματος σας.

Το native μέγεθος και η στοίχιση καθορίζονται χρησιμοποιώντας την έκφρασηsizeof του μεταγλωττιστή C. Αυτό συνδυάζεται πάντα με την native σειρά byte.

Το τυπικό μέγεθος εξαρτάται μόνο από τον χαρακτήρα μορφοποίησης· δείτε τον πίνακα στην ενότηταΧαρακτήρες μορφής.

Σημειώστε τη διαφορά μεταξύ του'@' και'=': και τα δύο χρησιμοποιούν τη native σειρά byte, αλλά το μέγεθος και η στοίχιση του τελευταίου είναι τυποποιημένα.

Η μορφή'!' αντιπροσωπεύει τη σειρά byte του δικτύου, η οποία είναι πάντα big-endian όπως ορίζεται στοIETF RFC 1700.

Δεν υπάρχει τρόπος να δηλωθεί non-native σειρά byte (να επιβληθεί εναλλαγή byte). Χρησιμοποιήστε την κατάλληλη επιλογή'<' ή'>'.

Σημειώσεις:

1. Το συμπλήρωμα (padding) προστίθεται αυτόματα μόνο μεταξύ διαδοχικών μελών της δομής. Δεν προστίθεται συμπλήρωμα στην αρχή ή στο τέλος της κωδικοποιημένης δομής.

2. Δεν προστίθεται συμπλήρωμα όταν χρησιμοποιείται non-native μέγεθος και στοίχιση, π.χ. με “<”,”>”, “=”, και “!”.

3. Για να ευθυγραμμίσετε το τέλος μιας δομής με την απαίτηση στοίχισης ενός συγκεκριμένου τύπου, τελειώστε τη μορφή με τον κωδικό για αυτό τον τύπο με πλήθος επαναλήψεων μηδέν. ΔείτεΠαραδείγματα.

Χαρακτήρες μορφής¶

Οι χαρακτήρες μορφής έχουν την ακόλουθη σημασία· η μετατροπή μεταξύ τιμών C και Python είναι προφανής, δεδομένων των τύπων τους. Η στήλη “Τυπικό μέγεθος” αναφέρεται στο μέγεθος της συμπιεσμένης τιμής σε byte όταν χρησιμοποιείται τυπικό μέγεθος· δηλαδή, όταν η συμβολοσειρά μορφής ξεκινά με ένα από τα'<','>','!' or'='. Όταν χρησιμοποιείται το native μέγεθος, το μέγεθος της συμπιεσμένης τιμής εξαρτάται από την πλατφόρμα.

Σημειώσεις:

1. Ο κωδικός μετατροπής'?' αντιστοιχεί στον τύπο_Bool που ορίζεται από τα πρότυπα C από την έκδοση C99. Σε τυπική λειτουργία, αναπαρίσταται από ένα byte.

2. Όταν επιχειρείται η συσκευασία ενός μη ακέραιου αριθμού χρησιμοποιώντας οποιονδήποτε από τους κωδικούς μετατροπής ακεραίων, αν το αντικείμενο διαθέτει τη μέθοδο__index__(), τότε καλείται αυτή η μέθοδος για τη μετατροπή του ορίσματος σε ακέραιο πριν από τη συσκευασία.

   Άλλαξε στην έκδοση 3.2:Προστέθηκε η χρήση της μεθόδου__index__() για μη ακέραιους αριθμούς.

3. Οι κωδικοί μετατροπής'n' και'N' είναι διαθέσιμοι μόνο για το native μέγεθος (επιλεγμένο ως προεπιλογή ή με τον χαρακτήρα διάταξης byte'@'). Για το τυπικό μέγεθος, μπορείτε να χρησιμοποιήσετε οποιαδήποτε από τις άλλες μορφές ακέραιων που ταιριάζουν στην εφαρμογή σας.

4. Για τους κωδικούς μετατροπής'f','d' και'e', η συσκευασμένη αναπαράσταση χρησιμοποιεί τη μορφή IEEE 754 binary32, binary64 ή binary16 (αντίστοιχα για'f','d' ή'e'), ανεξάρτητα από τη μορφή κινητής υποδιαστολής που χρησιμοποιεί η πλατφόρμα.

5. Ο χαρακτήρας μορφοποίησης'P' είναι διαθέσιμος μόνο για τη φυσική σειρά byte (επιλεγμένη ως προεπιλογή ή με τον χαρακτήρα σειράς byte'@'). Ο χαρακτήρας σειράς byte'=' επιλέγει τη χρήση little- ή big-endian σειράς με βάση το σύστημα. Το module struct δεν ερμηνεύει αυτό ως native σειρά, επομένως η μορφή'P' δεν είναι διαθέσιμη.

6. Ο τύπος IEEE 754 binary16 «half precision» εισήχθη στην αναθεώρηση του 2008 του προτύπουIEEE 754 standard. Διαθέτει ένα bit προσήμου, έναν εκθέτη 5-bit και ακρίβεια 11-bit (με 10 bit αποθηκευμένα ρητά) και μπορεί να αναπαραστήσει αριθμούς μεταξύ περίπου6.1e-05 και6.5e+04 με πλήρη ακρίβεια. Αυτός ο τύπος δεν υποστηρίζεται ευρέως από τους μεταγλωττιστές της C: σε μια τυπική μηχανή, ένας μη προσημασμένος short μπορεί να χρησιμοποιηθεί για αποθήκευση, αλλά όχι για αριθμητικές πράξεις. Δείτε τη σελίδα της Wikipedia για τηhalf-precision floating-point format για περισσότερες πληροφορίες.

7. Κατά τη συσκευασία, το'x' εισάγει ένα NUL byte.

8. Ο χαρακτήρας μορφοποίησης'p' κωδικοποιεί ένα «Pascal string», δηλαδή μια μικρή συμβολοσειρά μεταβλητού μήκους αποθηκευμένη σεσταθερό αριθμό byte, που καθορίζεται από τον μετρητή. Το πρώτο byte που αποθηκεύεται είναι το μήκος της συμβολοσειράς ή 255, όποιο είναι μικρότερο. Ακολουθούν τα byte της συμβολοσειράς. Εάν η συμβολοσειρά που περνά στηνpack() είναι πολύ μεγάλη (μεγαλύτερη από τον μετρητή μείον 1), αποθηκεύονται μόνο τα πρώταcount-1 byte της συμβολοσειράς. Εάν η συμβολοσειρά είναι μικρότερη απόcount-1, συμπληρώνεται με μηδενικά byte ώστε να χρησιμοποιηθούν ακριβώς τόσα byte όσα καθορίζει ο μετρητής. Σημειώστε ότι για τηunpack(), ο χαρακτήρας μορφοποίησης'p' καταναλώνειcount byte, αλλά η συμβολοσειρά που επιστρέφεται δεν μπορεί ποτέ να περιέχει περισσότερα από 255 byte.

9. Για το χαρακτήρα μορφοποίησης's', αριθμός (count) ερμηνεύεται ως το μήκος των byte, και όχι ως ένας αριθμός επαναλήψεων, όπως συμβαίνει με άλλους χαρακτήρες μορφοποίησης. Για παράδειγμα,'10s'``σημαίνειμιαμοναδικήσυμβολοσειρά10byteπουαντιστοιχείήπροέρχεταιαπόέναενιαίοbytestringτηςPython,ενώ``'10c' σημαίνει 10 ξεχωριστούς χαρακτήρες του ενός byte στοιχεία (π.χ.cccccccccc) που αντιστοιχούν σε ή από δέκα διαφορετικά byte objects της Python. (Δείτε τοΠαραδείγματα για μια συγκεκριμένη επίδειξη της διαφοράς.) Αν δεν δοθεί αριθμός, η προεπιλεγμένη τιμή είναι 1. Κατά την συσκευασία (packing), η συμβολοσειρά περικόπτεται ή συμπληρώνεται με μηδενικά byte ώστε να ταιριάζει στο καθορισμένο μήκος. Κατά την αποσυσκευασία (unpacking), το αποτέλεσμα είναι πάντα ένα αντικείμενο bytes με ακριβώς το καθορισμένο μήκος. Ως ειδική περίπτωση, το'0s' σημαίνει μια μοναδική, κενή συμβολοσειρά (ενώ το'0c' σημαίνει 0 χαρακτήρες).

10. Για τους χαρακτήρες μορφής'F' and'D', η πακεταρισμένη αναπαράσταση χρησιμοποιεί τη μορφή IEEE 754 binary32 και binary64 για τα στοιχεία του μιγαδικού αριθμού, ανεξάρτητα από τη μορφή κινητής υποδιαστολής που χρησιμοποιείται από την πλατφόρμα. Σημειώστε ότι οι μιγαδικοί τύποι (F καιD) είναι διαθέσιμοι άνευ όρων, παρά το γεγονός ότι οι μιγαδικοί τύποι αποτελούν προαιρετικό χαρακτηριστικό στη C. Όπως ορίζεται στο πρότυπο C11, κάθε μιγαδικός τύπος αναπαρίσταται από έναν πίνακα C δύο στοιχείων που περιέχει αντίστοιχα, τα πραγματικά και τα φανταστικά μέρη.

Ένας χαρακτήρας μορφοποίησης μπορεί να προηγείται από έναν ακέραιο αριθμό επαναλήψεων. Για παράδειγμα, η συμβολοσειρά μορφοποίησης'4h' σημαίνει ακριβώς το ίδιο με'hhhh'.

Οι χαρακτήρες κενού μεταξύ των μορφοποιήσεων αγνοούνται· ωστόσο, ένας αριθμός και η μορφή του δεν πρέπει να περιέχουν κενά.

Κατά το πακετάρισμα μιας τιμήςx χρησιμοποιώντας μια από τις μορφές ακεραίων ('b','B','h','H','i','I','l','L','q','Q'), εάν τοx είναι εκτός του έγκυρου εύρους για αυτήν τη μορφή, γίνεται raise μια εξαίρεσηstruct.error.

Για το χαρακτήρα μορφής'?', η τιμή που επιστρέφεται είναι είτεTrue είτεFalse. Κατά την συσκευασία, χρησιμοποιείται η λογική τιμή του αντικειμένου-ορίσματος. Είτε 0 είτε 1 στη native ή τυπική αναπαράσταση του bool θα συσκευαστούν, και οποιαδήποτε μη μηδενική τιμή θα είναιTrue κατά την αποσυσκευασία.

Παραδείγματα¶

Συσκευασία και αποσυσκευασία ακεραίων τριών διαφορετικών μεγεθών, χρησιμοποιώντας διάταξη big endian:

>>>fromstructimport*>>>pack(">bhl",1,2,3)b'\x01\x00\x02\x00\x00\x00\x03'>>>unpack('>bhl',b'\x01\x00\x02\x00\x00\x00\x03')(1, 2, 3)>>>calcsize('>bhl')7

Προσπάθεια συσκευασίας ενός ακεραίου που είναι πολύ μεγάλος για το καθορισμένο πεδίο:

>>>pack(">h",99999)Traceback (most recent call last):  File"<stdin>", line1, in<module>struct.error:'h' format requires -32768 <= number <= 32767

Επιδεικνύει την διαφορά μεταξύ των χαρακτήρων μορφοποίησης's' και'c':

>>>pack("@ccc",b'1',b'2',b'3')b'123'>>>pack("@3s",b'123')b'123'

Τα αποσυσκευασμένα πεδία μπορούν να ονομαστούν είτε αναθέτοντάς τα σε μεταβλητές είτε περιτυλίγοντάς τα σε μια ονομασμένη πλειάδα:

>>>record=b'raymond\x32\x12\x08\x01\x08'>>>name,serialnum,school,gradelevel=unpack('<10sHHb',record)>>>fromcollectionsimportnamedtuple>>>Student=namedtuple('Student','name serialnum school gradelevel')>>>Student._make(unpack('<10sHHb',record))Student(name=b'raymond   ', serialnum=4658, school=264, gradelevel=8)

Η σειρά των χαρακτήρων μορφοποίησης μπορεί να επηρεάσει το μέγεθος σε κατάσταση native λειτουργίας, καθώς το συμπλήρωμα είναι έμμεσο. Σε τυπική λειτουργία, ο χρήστης είναι υπεύθυνος για την εισαγωγή οποιασδήποτε επιθυμητού συμπληρώματος. Σημειώστε στην πρώτη κλήσηpack παρακάτω ότι προστέθηκαν τρία μηδενικά (NUL) bytes μετά την συσκευασμένη τιμή'#' για να ευθυγραμμιστεί ο επόμενος ακέραιος σε όριο τεσσάρων bytes. Σε αυτό το παράδειγμα, η έξοδος παράχθηκε σε έναν υπολογιστή με little endian αρχιτεκτονική:

>>>pack('@ci',b'#',0x12131415)b'#\x00\x00\x00\x15\x14\x13\x12'>>>pack('@ic',0x12131415,b'#')b'\x15\x14\x13\x12#'>>>calcsize('@ci')8>>>calcsize('@ic')5

Η ακόλουθη μορφή'llh0l' έχει ως αποτέλεσμα την προσθήκη δύο bytes συμπλήρωσης στο τέλος, υποθέτοντας ότι οι μακροί ακέραιοι (longs) της πλατφόρμας ευθυγραμμίζονται σε όρια 4-byte:

>>>pack('@llh0l',1,2,3)b'\x00\x00\x00\x01\x00\x00\x00\x02\x00\x03\x00\x00'

Native Μορφές¶

Όταν κατασκευάζετε συμβολοσειρές μορφοποίησης που μιμούνται native διατάξεις, ο μεταγλωττιστής και η αρχιτεκτονική του μηχανήματος καθορίζουν τη σειρά των byte και τη συμπλήρωση. Σε τέτοιες περιπτώσεις, ο χαρακτήρας μορφής@ θα πρέπει να χρησιμοποιείται για να καθορίζει την native σειρά byte και τα μεγέθη δεδομένων. Τα εσωτερικά byte συμπλήρωσης εισάγονται συνήθως αυτόματα. Είναι πιθανό να χρειαστεί ένας κωδικός μορφοποίησης με επανάληψη μηδέν στο τέλος μιας συμβολοσειράς μορφοποίησης για να ευθυγραμμιστεί σωστά με τα όρια byte των διαδοχικών τμημάτων δεδομένων.

Εξετάστε αυτά τα δύο απλά παραδείγματα (σε έναν 64-bit, little-endian υπολογιστή):

>>>calcsize('@lhl')24>>>calcsize('@llh')18

Τα δεδομένα δεν συμπληρώνονται σε όριο 8 byte στο τέλος της δεύτερης συμβολοσειράς μορφοποίησης χωρίς τη χρήση επιπλέον συμπλήρωσης. Ένας κωδικός μορφοποίησης με επανάληψη μηδέν λύνει αυτό το πρόβλημα:

>>>calcsize('@llh0l')24

Ο κωδικός μορφοποίησης'x' μπορεί να χρησιμοποιηθεί για να καθορίσει την επανάληψη, αλλά για native μορφές είναι προτιμότερο να χρησιμοποιείται ένας κωδικός μορφοποίησης με επανάληψη μηδέν, όπως'0l'.

Από προεπιλογή, χρησιμοποιείται η native σειρά byte και στοίχιση, αλλά είναι καλύτερο να είμαστε σαφείς και να χρησιμοποιούμε τον χαρακτήρα πρόθεμα'@'.

Τυπικές μορφές¶

Όταν ανταλλάσετε δεδομένα πέρα από τη διεργασία σας, όπως σε δικτύωση ή αποθήκευση, να είστε ακριβείς. Καθορίστε την ακριβή σειρά των byte, το μέγεθος και την ευθυγράμμιση. Μην υποθέτετε ότι ταιριάζουν με τη φυσική σειρά μιας συγκεκριμένης μηχανής. Για παράδειγμα, η σειρά byte του δικτύου είναι big-endian, ενώ πολλοί δημοφιλείς επεξεργαστές είναι little-endian. Ορίζοντας αυτό ρητά, ο χρήστης δεν χρειάζεται να ενδιαφέρεται για τις λεπτομέρειες της πλατφόρμας στην οποία εκτελείται ο κώδικας. Ο πρώτος χαρακτήρας πρέπει τυπικά να είναι< ή> (ή!). Η ευθύνη για την προσθήκη συμπληρωματικών byte ανήκει στον προγραμματιστή. Ο χαρακτήρας μορφής με μηδενική επανάληψη δεν θα λειτουργήσει. Αντ” αυτού, ο χρήστης πρέπει να προσθέτει ρητά byte'x' όπου απαιτείται. Επανεξετάζοντας τα παραδείγματα από την προηγούμενη ενότητα, έχουμε:

>>>calcsize('<qh6xq')24>>>pack('<qh6xq',1,2,3)==pack('@lhl',1,2,3)True>>>calcsize('@llh')18>>>pack('@llh',1,2,3)==pack('<qqh',1,2,3)True>>>calcsize('<qqh6x')24>>>calcsize('@llh0l')24>>>pack('@llh0l',1,2,3)==pack('<qqh6x',1,2,3)True

Τα παραπάνω αποτελέσματα (εκτελεσμένα σε 64-bit μηχανή) δεν είναι εγγυημένο ότι θα ταιριάζουν όταν εκτελούνται σε διαφορετικές μηχανές. Για παράδειγμα, τα παρακάτω παραδείγματα εκτελέστηκαν σε 32-bit μηχανή:

>>>calcsize('<qqh6x')24>>>calcsize('@llh0l')12>>>pack('@llh0l',1,2,3)==pack('<qqh6x',1,2,3)False